메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김동영 (고려대학교) 전상훈 (고려대학교) 류민수 (고려대학교) 김휘강 (고려대학교)
저널정보
한국정보보호학회 정보보호학회논문지 정보보호학회논문지 제32권 제2호
발행연도
2022.4
수록면
417 - 437 (21page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2023

자연어 처리 모델을 활용한 퍼징 시드 생성 기법 : A fuzzing seed generation technique using Natural Language Processing Model
김동영 정보보호학과 2023.01 학위논문

2022

자연어 처리 모델을 활용한 퍼징 시드 생성 기법
김동영 ,  전상훈 ,  류민수 외 1명 정보보호학회논문지 2022.04 학술저널

초록· 키워드

오류제보하기
Fuzzing에서 seed corpus의 품질은 취약점을 보다 빠르게 찾기 위해서 중요한 요소 중 하나라고 할 수 있다. 이에 dynamic taint analysis와 symbolic execution 기법 등을 활용하여 효율적인 seed corpus를 생성하는 연구들이 진행되어왔으나, 높은 전문 지식이 요구되고, 낮은 coverage로 인해 광범위한 활용에 제약이 있었다. 이에 본 논문에서는 자연어 처리 모델인 Sequence-to-Sequence 모델을 기반으로 seed corpus를 생성하는 DDRFuzz 시스템을 제안한다. 본 논문에서 제안하는 시스템은 멀티미디어 파일을 입력값으로 하는 5개의 오픈소스 프로젝트를 대상으로 관련 연구들과 비교하여 효과를 검증하였다. 실험 결과, DDRFuzz가 coverage와 crash count 측면에서 가장 뛰어난 성능을 나타냄을 확인할 수 있었고, 또한 신규 취약점을 포함하여 총 3개의 취약점을 탐지하였다.
#Fuzzing #Seed generation #Sequence-to-Sequence

목차

요약
ABSTRACT
I. 서론
II. 배경
III. 관련 연구
IV. DDRFuzz
V. 실험 결과
VI. 향후 연구
VII. 결론
References

참고문헌 (25)

참고문헌 신청
NVD, “CVE.” https://cve.mitre.org/cve/, Accessed: Nov 2020. A. Rebert, S. K. Cha, T. Avgerinos, J. Foote, D. Warren, G. Grieco, and D. Brumley, “Optimizing seed selection for fuzzing”, Proceedings of the 23rd USENIX Security Symposium, pp. 861-875, Aug. 2014. google schola C. Lyu, S. Ji, Y. Li, J. Zhou, J. Chen, and J. Chen, “Smartseed: Smart seed generation for efficient fuzzing”, arXiv, preprint arXiv:1807.02606, Jun. 2019. V. J. M. Man`es, H. Han, C. Han, S. K. Cha, M. Egㄴele, E. J. Schwartz, and M. Woo, “The art, science, and engineering of fuzzing: A survey”, IEEE Transaction on Software Engineering, pp. 2312-2331, Nov. 2021. google schola K. Fang and G. Yan, “Emulation-instrumented fuzz testing of 4g/lte android mobile devices guided by reinforcement learning”, European Symposium on Research in Computer Security, pp. 20-40, Sep. 2018. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

KorPatELECTRA : 자연어처리 분야에서의 성능 향상을 위한 한국어 특허 문헌 사전학습 언어모델(KorPatELECTRA)
장지모 ,  민재옥 ,  노한성 한국컴퓨터정보학회논문지 2022 .02
바이너리 정적 분석 기반 Out-of-Bounds Read 취약점 유형 탐지 연구
유동민 ,  김문회 ,  오희국 정보보호학회논문지 2021 .08
자연어처리 기술을 활용한 유튜브 악성 댓글 자동 블라인드 시스템
이재은 ,  이지은 ,  임예희 외 2명 한국HCI학회 학술대회 2022 .02

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-004-001127824